Ricerca vettoriale con un vector store
Recuperare i passaggi più rilevanti
Ricerca vettoriale con un vector store è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.
Che cosa fa un vector store
Un vector store contiene gli embedding dei Suoi chunk e trova rapidamente quelli più vicini a una query, anche tra milioni di vettori.
Ricerca per similarità
Invece di confrontare le parole chiave, confronta il significato. Il vector store restituisce i chunk i cui vettori sono più vicini al vettore della query.
Similarità coseno
La misura di distanza più comune è la similarità coseno. Confronta l'angolo tra due vettori, quindi assegna un punteggio più alto a quelli più vicini per significato.
Eseguire l'embedding della query nello stesso modo
La domanda deve usare lo stesso modello dei Suoi chunk. Embedding non compatibili si trovano in spazi diversi e non possono essere confrontati.
query_vec = model.encode(["How do I reset my password?"])Recupero top-k
Raramente servono tutte le corrispondenze. Chieda al vector store i chunk più vicini, cioè i top-k, dove k è un numero piccolo come 3 o 5.
Un semplice store in memoria
Per quantità ridotte di dati, FAISS conserva i vettori in memoria e li cerca in pochi millisecondi. Crei un indice, quindi aggiunga i Suoi vettori.
import faiss
index = faiss.IndexFlatIP(384)
index.add(vectors)Eseguire una ricerca
Chiami search con il vettore della query e k. Restituirà i punteggi e gli indici dei chunk più pertinenti.
scores, ids = index.search(query_vec, k=3)Ricollegare i risultati al testo
Lo store restituisce indici, non testo. Li usi per cercare i chunk originali memorizzati insieme ai vettori.
hits = [chunks[i] for i in ids[0]]Database vettoriali persistenti
Per le applicazioni reali, un database vettoriale come Chroma o Pinecone memorizza i vettori su disco, può scalare e sopravvive ai riavvii.
Filtrare con i metadati
Associ a ogni vettore tag come autore o data. Potrà quindi filtrare la ricerca, ad esempio per ottenere solo i chunk di un determinato documento.
Perché la ricerca approssimata è utile
La ricerca esatta diventa lenta su larga scala. Gli indici dei vicini più prossimi approssimati sacrificano una minima parte della precisione per ottenere enormi guadagni in velocità.
Verifica rapida
Ricordi come un vector store trova i chunk pertinenti.
Riepilogo
Un vector store esegue l'embedding della query, trova i chunk top-k più vicini in base alla similarità e ricollega i risultati al testo. ✅
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Ricerca vettoriale con un vector store» è gratuita?
Sì — il testo completo di «Ricerca vettoriale con un vector store» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.
Cosa imparerò in «Ricerca vettoriale con un vector store»?
Recuperare i passaggi più rilevanti Eserciti NLP Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare NLP Academy?
Non è richiesta alcuna esperienza precedente. NLP Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «Ricerca vettoriale con un vector store»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione NLP Academy?
Sì. Ogni lezione NLP Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Perché gli LLM hanno bisogno del retrieval
- Suddividere ed eseguire l'embedding dei documenti
- Ricerca vettoriale con un vector store
- Integrare il retrieval nel prompt